CN111046458A - 一种基于马尔科夫链的金属屋面性能退化模型及其方法 - Google Patents

一种基于马尔科夫链的金属屋面性能退化模型及其方法 Download PDF

Info

Publication number
CN111046458A
CN111046458A CN201911113852.0A CN201911113852A CN111046458A CN 111046458 A CN111046458 A CN 111046458A CN 201911113852 A CN201911113852 A CN 201911113852A CN 111046458 A CN111046458 A CN 111046458A
Authority
CN
China
Prior art keywords
metal roof
state
degradation
transition probability
markov chain
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911113852.0A
Other languages
English (en)
Other versions
CN111046458B (zh
Inventor
杨丽曼
苏连明
李运华
沈东凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Kelade Environmental Protection Engineering Co.,Ltd.
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201911113852.0A priority Critical patent/CN111046458B/zh
Publication of CN111046458A publication Critical patent/CN111046458A/zh
Application granted granted Critical
Publication of CN111046458B publication Critical patent/CN111046458B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Optimization (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)

Abstract

本发明公开了一种基于马尔科夫链的金属屋面性能退化模型，并具体公开了构建该模型的方法，其中根据马尔可夫链要求，选择合适的评价周期，计算评价周期前有金属屋面评级结果的变化情况，得到金属屋面状态转换概率矩阵，根据状态转换概率矩阵确定金属屋面退化速度，进行对金属屋面未来的状态等级进行预测。本发明利用马尔科夫链理论解决金属屋面的退化问题，以金属屋面监测系统的实时监测数据作为依据，通过当前状态对金属屋面未来状态进行预测，解决了金属屋面性能退化研究仅仅停留在实验阶段的问题，使金属屋面的退化状态评估依据监测数据展开，监测过程更加智能化，评估结果更加准确。

Description

一种基于马尔科夫链的金属屋面性能退化模型及其方法
技术领域
本发明涉及结构疲劳损伤和数据分析技术领域，更具体的说是涉及一种基于马尔科夫链的金属屋面性能退化模型及其方法。
背景技术
目前，随着建筑业及科学技术的发展，金属屋面以其良好的性能在现代建筑中的应用越来越广泛。城市中新建成的场馆，比如体育馆、火车站、汽车站、演出剧院等等，大部分都是钢结构屋面，属于大跨度、开阔式空间结构。但是，在金属屋面的使用过程中会产生一定的退化现象，从而会导致金属屋面产生故障，也可能会引发严重事故，因此对金属屋面退化的情况进行研究和预测显得十分重要。
然而，现有技术中，针对金属屋面的故障诊断及退化研究目前多依赖于人工巡检和实验测试，基于监测数据的金属屋面故障诊断方法与退化速度研究尚未开展，然而一般的建筑物使用人工进行检修费时费力，并不能取得很好的结果，并且金属屋面的退化过程中各种干扰因素之间的关系十分复杂，仅通过实验测试难以全面地对金属屋面的退化进行研究以及预测。
因此，如何提供一种能直接应用监测数据来对金属屋面性能退化进行研究和预测的基于马尔科夫链的金属屋面性能退化模型及其方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种基于马尔科夫链的金属屋面性能退化模型及其方法，利用马尔科夫链理论解决金属屋面的退化问题以金属屋面监测系统的实时监测数据作为依据，通过当前状态对金属屋面未来状态进行预测，解决了金属屋面性能退化研究仅仅停留在实验阶段的问题，使金属屋面的退化状态评估依据监测数据展开，监测过程更加智能化，评估结果更加准确。
为了实现上述目的，本发明采用如下技术方案：
一种基于马尔科夫链的金属屋面性能退化模型，具体为：
{S,G(a),pij(g),a∈A,g∈G} 公式(1)
上式中：S为金属屋面的状态空间，A为金属屋面的寿命空间，G为金属屋面退化阶段划分集合，且G为离散的有限集合，pij(g)为金属屋面处于状态 i的条件下，下一步转移到状态j的概率；
由pij(g)构成状态转换概率矩阵Pn：
Figure RE-GDA0002339063690000021
所述基于马尔科夫链的金属屋面性能退化模型的构建方法具体包括以下步骤：
S11.划分退化阶段与评价周期，根据金属屋面的退化规律确定金属屋面的退化阶段，并针对不同的退化阶段选择不同的评价周期；根据金属屋面的服役环境确定基本评价周期，在同一退化阶段，金属屋面退化状态转换概率矩阵不变；
S12.制定主体状态空间；分别对待评价的金属屋面划分不同区域，根据预先设定的评价指标，分别针对不同的评价周期对不同区域的金属屋面的退化状态进行状态评定，得到不同评价周期内的各个不同区域的状态级别，制定金属屋面的状态集合；
S13.计算状态转换概率矩阵；计算金属屋面状态转换概率pij(g)，进而求出状态转换概率矩阵Pn，得到所述金属屋面性能退化模型。
优选的，所述退化阶段包括早期故障期、偶然故障期和故障损耗期。
一种根据权利要求1所述的基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法，具体包括以下步骤：
S1.建立基于马尔科夫链的金属屋面性能退化模型；
S2.根据所述金属屋面性能退化模型，计算初始状态向量π(0)，所述初始状态向量表示初始选取的初始评价周期内的金属屋面状态分布情况，并进一步得出初始评价周期到下一评价周期内金属屋面的状态转换概率，进而求出状态转换概率矩阵P；
S3.根据状态转换概率矩阵P计算m个评价周期后的状态向量π(m)，根据所述状态向量π(m)来预测m个评价周期后的金属屋面状态分布情况。
优选的，S2的具体步骤为：
(1)在初始评价周期内，针对每一个状态级别，分别统计属于同个状态级别的区域数量；
(2)在所述初始评价周期的相邻评价周期内，针对每一个状态级别，分别统计属于同个状态级别的区域数量；
(3)计算由状态i转换到状态j的区域数量nij(g)，以及停留在状态i不变的区域数量和状态i转换到状态j的区域数量的总和ni(g)；
(4)根据步骤(3)中所得到的nij(g)和ni(g)来计算金属屋面状态转换概率pij(g)；
(5)根据步骤(4)中所得到的pij(g)求出状态转换概率矩阵P。
优选的，步骤(4)中pij(g)的计算方法为：
Figure RE-GDA0002339063690000031
优选的，步骤S3的具体计算方法为：
π(m)＝π(0)Pm 公式(4)。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于马尔科夫链的金属屋面性能退化模型及其方法，具有以下有益效果：
金属屋面的退化研究从原来的依靠实验计算变为依靠实时监测数据进行，并且通过该方法可以准确获得各个评价等级的金属屋面区域在整体金属屋面中所占的比重，并对未来金属屋面的退化情况进行短时间预测，可以很好地规划金属屋面的维修情况，减少维护成本，使金属屋面的健康管理向智能化方向发展。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的基于马尔科夫链的金属屋面性能退化模型的构建方法流程图；
图2附图为本发明提供的基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
对于金属屋面的性能退化过程缓慢，不同的时期金属屋面的退化过程具有差别，因此全寿命的金属屋面管理系统不满足马尔可夫稳定性假说。因此在构建金属屋面退化模型的过程中，可以将退化过程划分为不同的离散阶段，分阶段建立退化模型，因此：
本发明实施例公开了一种基于马尔科夫链的金属屋面性能退化模型，具体为：
{S,G(a),pij(g),a∈A,g∈G} 公式(1)
上式中：S为金属屋面的状态空间，A为金属屋面的寿命空间，G为金属屋面退化阶段划分集合，且G为离散的有限集合，pij(g)为金属屋面处于状态 i的条件下，下一步转移到状态j的概率；
由pij(g)构成状态转换概率矩阵Pn：
Figure RE-GDA0002339063690000051
所述基于马尔科夫链的金属屋面性能退化模型的构建方法具体包括以下步骤：
S11.划分退化阶段与评价周期，根据金属屋面的退化规律确定金属屋面的退化阶段，并针对不同的退化阶段选择不同的评价周期；根据金属屋面的服役环境确定基本评价周期，在同一退化阶段，金属屋面退化状态转换概率矩阵不变；
S12.制定主体状态空间；分别对待评价的金属屋面划分不同区域，根据预先设定的评价指标，分别针对不同的评价周期对不同区域的金属屋面的退化状态进行状态评定，得到不同评价周期内的各个不同区域的状态级别，制定金属屋面的状态集合；
S13.计算状态转换概率矩阵；计算金属屋面状态转换概率pij(g)，进而求出状态转换概率矩阵Pn。
需要说明的是：
现有技术中存在对金属屋面进行屋面状态评价的方法，可根据现有技术对金属屋面进行状态评价，并进一步得到S，状态空间指的是状态等级的集合，若建立金属屋面的状态集合共计五个状态等级，则S＝{1,2,3,4,5}。
寿命空间A指的是评价周期的集合，a为该集合内的某一个评价周期，g 为金属屋面退化阶段划分集合G内的某一个退化阶段，因此，G(a)即表示每个稳定的退化阶段。
针对状态转换概率矩阵Pn：
状态转换概率矩阵的行数和列数由金属屋面的状态等级划分决定，如分为五个等级则行列数为5。
另外，状态转换概率矩阵的建立需要依据长期的监测数据库为退化模型提供数据支持。由于金属屋面的退化过程属于缓慢过程，因此金属屋面的退化只能在相邻的级别之间进行转换，因此跨越级别的转换概率为0。
为了进一步实施上述技术方案，所述退化阶段包括早期故障期、偶然故障期和故障损耗期。
需要进一步说明的是：
一般情况下，金属屋面退化阶段大致分为三段，分别为早期故障期、偶然故障期和故障损耗期，第一个和第三个阶段金属屋面的退化速度较快，需要的评价周期较短，例如选择1年，并假设在这一年中各区域金属屋面等级不发生变化，在第二个阶段可以选择稍长的评价周期，例如5-10年，在5-10 年中各区域金属屋面等级不发生变化，在相同退化阶段，状态转换概率不发生变化。
在退化过程中，存在某些阶段退化速度可能非常快，因此可以对该阶段进行进一步细化，划分出更多的退化阶段，并缩短评价周期，保证转换概率矩阵的准确性，满足马尔可夫稳定性要求。
一种根据权利要求1所述的基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法，具体包括以下步骤：
S1.建立基于马尔科夫链的金属屋面性能退化模型；
S2.根据所述金属屋面性能退化模型，计算初始状态向量π(0)，所述初始状态向量表示初始选取的初始评价周期内的金属屋面状态分布情况，并进一步得出初始评价周期到下一评价周期内金属屋面的状态转换概率，进而求出状态转换概率矩阵P；
S3.根据状态转换概率矩阵P计算m个评价周期后的状态向量π(m)，根据所述状态向量π(m)来预测m个评价周期后的金属屋面状态分布情况。
为了进一步实施上述技术方案，S2的具体步骤为：
(1)在初始评价周期内，针对每一个状态级别，分别统计属于同个状态级别的区域数量；
(2)在所述初始评价周期的相邻评价周期内，针对每一个状态级别，分别统计属于同个状态级别的区域数量；
(3)计算由状态i转换到状态j的区域数量nij(g)，以及停留在状态i不变的区域数量和状态i转换到状态j的区域数量的总和ni(g)；
(4)根据步骤(3)中所得到的nij(g)和ni(g)来计算金属屋面状态转换概率pij(g)；
(5)根据步骤(4)中所得到的pij(g)求出状态转换概率矩阵P。
为了进一步实施上述技术方案，步骤(4)中pij(g)的计算方法为：
Figure RE-GDA0002339063690000071
为了进一步实施上述技术方案，步骤S3的具体计算方法为：
π(m)＝π(0)Pm公式(4)。
下面通过实例来对本发明进行进一步说明：
设北京市某建筑的金属屋面布设了30组金属屋面在线监测装置，分别用于监测该建筑金属屋面30个区域的各项参数，，并假设金属屋面处于退化性能较为稳定的时期，在该退化阶段的评价周期为一年。
根据现有技术中的金属屋面状态的评价方法以及各项指标得出金属屋面 30个区域在2019年和2020年的退化状态评级结果如下表所示：
表1退化状态评级表
Figure RE-GDA0002339063690000081
根据表1可以得到2019年各个状态级别的区域数量以及2020年各个状态级别的区域数量，同时还可以得到从状态转换的情况。
因此，本实施例中的初始状态向量π(0)是根据金属屋面在2019年的评价结果得到的，π(0)中的元素表示2019年各个状态级别的区域数量占总区域数量的比例，其中：
π(0)＝[0.667,0.1667,0.1,0.0667，0]
再分别统计2020年中，从状态不变和状态改变的区域数量，并分别各个等级之间转换的概率，从而得到具体的转换概率矩阵：
Figure RE-GDA0002339063690000082
由矩阵P可以得出金属屋面系统在随后两年的总体状态向量如下所示：
π(2)＝π(0)P2＝[0.3752,0.2851,0.1957,0.0777,0.0667]
π(3)＝π(0)P3＝[0.2814,0.2649,0.2446,0.1040,0.1055]
即2021年，处于状态1的金属屋面区域数量占总区域数量的0.3752，状态1-5的占比数以此类推，2022年，处于状态1的金属屋面区域数量占总区域数量的0.2814，状态1-5的占比数以此类推，根据上述数据即可对未来金属屋面的状态进行分析。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种基于马尔科夫链的金属屋面性能退化模型，其特征在于，具体为：
{S,G(a),pij(g),a∈A,g∈G} 公式(1)
上式中：S为金属屋面的状态空间，A为金属屋面的寿命空间，G为金属屋面退化阶段划分集合，且G为离散的有限集合，pij(g)为金属屋面处于状态i的条件下，下一步转移到状态j的概率；
由pij(g)构成状态转换概率矩阵Pn：
Figure RE-FDA0002339063680000011
所述基于马尔科夫链的金属屋面性能退化模型的构建方法具体包括以下步骤：
S11.划分退化阶段与评价周期，根据金属屋面的退化规律确定金属屋面的退化阶段，并针对不同的退化阶段选择不同的评价周期；根据金属屋面的服役环境确定基本评价周期，在同一退化阶段，金属屋面退化状态转换概率矩阵不变；
S12.制定主体状态空间；分别对待评价的金属屋面划分不同区域，根据预先设定的评价指标，分别针对不同的评价周期对不同区域的金属屋面的退化状态进行状态评定，得到不同评价周期内的各个不同区域的状态级别，制定金属屋面的状态集合；
S13.计算状态转换概率矩阵；计算金属屋面状态转换概率pij(g)，进而求出状态转换概率矩阵Pn，得到所述金属屋面性能退化模型。
2.根据权利要求1所述的一种基于马尔科夫链的金属屋面性能退化模型，其特征在于，所述退化阶段包括早期故障期、偶然故障期和故障损耗期。
3.一种根据权利要求1所述的基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法，其特征在于，具体包括以下步骤：
S1.建立基于马尔科夫链的金属屋面性能退化模型；
S2.根据所述金属屋面性能退化模型，计算初始状态向量π(0)，所述初始状态向量表示初始选取的初始评价周期内的金属屋面状态分布情况，并进一步得出初始评价周期到下一评价周期内金属屋面的状态转换概率，进而求出状态转换概率矩阵P；
S3.根据状态转换概率矩阵P计算m个评价周期后的状态向量π(m)，根据所述状态向量π(m)来预测m个评价周期后的金属屋面状态分布情况。
4.根据权利要求3所述的一种基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法，其特征在于，S2的具体步骤为：
(1)在初始评价周期内，针对每一个状态级别，分别统计属于同个状态级别的区域数量；
(2)在所述初始评价周期的相邻评价周期内，针对每一个状态级别，分别统计属于同个状态级别的区域数量；
(3)计算由状态i转换到状态j的区域数量nij(g)，以及停留在状态i不变的区域数量和状态i转换到状态j的区域数量的总和ni(g)；
(4)根据步骤(3)中所得到的nij(g)和ni(g)来计算金属屋面状态转换概率pij(g)；
(5)根据步骤(4)中所得到的pij(g)求出状态转换概率矩阵P。
5.根据权利要求4所述的一种基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法，其特征在于，步骤(4)中pij(g)的计算方法为：
Figure RE-FDA0002339063680000021
6.根据权利要求3所述的一种基于马尔科夫链的金属屋面性能退化模型的金属屋面状态预测方法，其特征在于，步骤S3的具体计算方法为：
π(m)＝π(0)Pm 公式(4)。
CN201911113852.0A 2019-11-14 2019-11-14 一种基于马尔科夫链的金属屋面性能退化模型及其方法 Active CN111046458B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911113852.0A CN111046458B (zh) 2019-11-14 2019-11-14 一种基于马尔科夫链的金属屋面性能退化模型及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911113852.0A CN111046458B (zh) 2019-11-14 2019-11-14 一种基于马尔科夫链的金属屋面性能退化模型及其方法

Publications (2)

Publication Number Publication Date
CN111046458A true CN111046458A (zh) 2020-04-21
CN111046458B CN111046458B (zh) 2022-07-01

Family

ID=70232037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911113852.0A Active CN111046458B (zh) 2019-11-14 2019-11-14 一种基于马尔科夫链的金属屋面性能退化模型及其方法

Country Status (1)

Country Link
CN (1) CN111046458B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112259193A (zh) * 2020-10-09 2021-01-22 江苏大学 一种基于马尔科夫链的戒毒状态预测方法
CN115081056A (zh) * 2022-05-18 2022-09-20 同济大学 一种考虑时间变量的建筑动态生命周期评价方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952000A (zh) * 2015-07-01 2015-09-30 华侨大学 基于马尔科夫链的风电机组运行状态模糊综合评价方法
CN105205255A (zh) * 2015-09-21 2015-12-30 北京航空航天大学 金属屋面损伤评估方法和系统
US20160091393A1 (en) * 2014-09-26 2016-03-31 Palo Alto Research Center Incorporated Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor
CN107681691A (zh) * 2017-09-30 2018-02-09 太原理工大学 计及不确定性因素的风电并网系统运行可靠性评估方法
CN108022058A (zh) * 2018-01-19 2018-05-11 华中科技大学 一种风力机状态可靠性评估方法
CN109033499A (zh) * 2018-06-07 2018-12-18 南京航空航天大学 一种多阶段一致性检验的航空发动机剩余寿命预测方法
CN109635854A (zh) * 2018-11-26 2019-04-16 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置
CN109655298A (zh) * 2019-01-10 2019-04-19 北京航空航天大学 一种大跨度金属屋面的故障实时预警方法及装置
CN109885938A (zh) * 2019-02-22 2019-06-14 森特士兴集团股份有限公司 一种大跨度金属屋面板性能退化评估方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160091393A1 (en) * 2014-09-26 2016-03-31 Palo Alto Research Center Incorporated Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor
CN104952000A (zh) * 2015-07-01 2015-09-30 华侨大学 基于马尔科夫链的风电机组运行状态模糊综合评价方法
CN105205255A (zh) * 2015-09-21 2015-12-30 北京航空航天大学 金属屋面损伤评估方法和系统
CN107681691A (zh) * 2017-09-30 2018-02-09 太原理工大学 计及不确定性因素的风电并网系统运行可靠性评估方法
CN108022058A (zh) * 2018-01-19 2018-05-11 华中科技大学 一种风力机状态可靠性评估方法
CN109033499A (zh) * 2018-06-07 2018-12-18 南京航空航天大学 一种多阶段一致性检验的航空发动机剩余寿命预测方法
CN109635854A (zh) * 2018-11-26 2019-04-16 国网冀北电力有限公司 基于马尔科夫链的充电桩故障预测方法及装置
CN109655298A (zh) * 2019-01-10 2019-04-19 北京航空航天大学 一种大跨度金属屋面的故障实时预警方法及装置
CN109885938A (zh) * 2019-02-22 2019-06-14 森特士兴集团股份有限公司 一种大跨度金属屋面板性能退化评估方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HUIMING JIANG等: "Hidden Markov model and nuisance attribute projection based bearing performance degradation assessment", 《MECHANICAL SYSTEMSANDSIGNALPROCESSING》 *
哈娜: "基于马尔科夫过程的桥梁耐久性预测模型研究", 《辽宁省交通高等专科学校学报》 *
杭淼等: "《基于马尔科夫过程的梁桥退化规律研究》", 《佳木斯大学学报》 *
王晓佳: "《钢筋混凝土梁桥的退化模型与预测》", 《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112259193A (zh) * 2020-10-09 2021-01-22 江苏大学 一种基于马尔科夫链的戒毒状态预测方法
CN115081056A (zh) * 2022-05-18 2022-09-20 同济大学 一种考虑时间变量的建筑动态生命周期评价方法

Also Published As

Publication number Publication date
CN111046458B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
US20200104440A1 (en) Method for evaluating state of power transformer
CN103793752B (zh) 一种基于退化建模的设备失效次数预测方法
CN104850916A (zh) 一种改进型灰色马尔可夫模型的电力设备故障预测方法
CN111046458B (zh) 一种基于马尔科夫链的金属屋面性能退化模型及其方法
CN106054105A (zh) 一种智能电表的可靠性预计修正模型建立方法
WO2019154135A1 (zh) 一种基于网络抗毁度的微电网可靠性评估方法
Hodge et al. Characterizing and modeling wind power forecast errors from operational systems for use in wind integration planning studies
CN104915562A (zh) 建筑能效诊断方法和系统
CN110516883B (zh) 一种基于空间计量模型的供水管网区域漏失预测方法
CN111461399A (zh) 一种基于故障非线性离散分布的驻点坐标配置方法
CN104008433A (zh) 基于贝叶斯动态模型的中长期电力负荷预测方法
Grussing et al. Building component lifecycle repair/replacement model for institutional facility management
Jeong et al. Learning-driven construction productivity prediction for prefabricated external insulation wall system
CN105528742A (zh) 一种断路器失效概率评估方法
CN111553041B (zh) 一种燃气管网参数校验方法、系统、终端及存储介质
CN117932470A (zh) 一种基于动态贝叶斯网络的月径流预报方法
WO2021088373A1 (zh) 基于马尔科夫模型的路桥隧健康状态与养护费用测算方法
CN107590022B (zh) 一种用于建筑能耗分项计量的仪表采集数据修复方法
CN117200223A (zh) 日前电力负荷预测方法和装置
CN104636848A (zh) 一种基于能量节点控制技术的项目合同能源管理系统
CN116562422A (zh) 一种电能量与爬坡备用的联合出清方法及终端
CN105095659A (zh) 基于云计算的省地协调分布式状态估计方法
CN112036604B (zh) 一种考虑多时序过程因子的中期径流预报方法
CN112257233B (zh) 弹性电网恢复力评估方法、装置、计算机设备和介质
CN110752956B (zh) 一种基于可信节点的分布式光伏采集布点及估计优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240326

Address after: 430000, A11-772, 1st Floor, Building 9, Guanggu Chuangye Street, Wuhan Donghu New Technology Development Zone, Wuhan City, Hubei Province

Patentee after: Hubei Kelade Environmental Protection Engineering Co.,Ltd.

Country or region after: China

Address before: 100191 No. 37, Haidian District, Beijing, Xueyuan Road

Patentee before: BEIHANG University

Country or region before: China